之前很長一段時間內CPU都在堆核，但現在堆核也到了瓶頸。但CPU的發展不會停止，以下幾個方面還有潛力可以挖掘：
工藝、架構（DSA、並列、緩存）、材料、異構、封裝、Chiplet、SoC、AI（NPU）
從突破性的技術來看，有以下兩個方面：
量子芯片、碳基芯片
工藝
工藝依然是未來5-10年影響CPU效能的一個非常重要的方向。我在之前裏的回答寫過，雖然晶體管在10nm以下會出現短溝道效應和量子遂穿效應，但我們依然可以在晶體管12nmGate Length下實作等效2nm的單位晶體管密度。
工藝方面的現狀是目前5nm已經實作量產，3nm已經在研發的路上了，目前主要是台積電和三星兩家Foundry。
三星的3nm工藝會使用環繞柵極晶體管(GAA)技術，而不是現在的FinFET，新的技術可以讓芯片面積減少35%，功耗下降約50%，與5nm FinFET工藝相比，同樣功耗情況下效能提升33%。
GAA全能門與FinFET的不同之處在於，GAA設計圍繞著通道的四個面周圍有柵極，從而確保了減少漏電壓並且改善了對通道的控制，這是縮小工藝節點時的基本步驟，使用更高效的晶體管設計，再加上更小的節點尺寸，和5nm FinFET工藝相比能實作更好的能耗比。
而台積電依然采用FinFET，預計2022年下半年台積電3nm工藝就會投產。蘋果作為台積電最重要的客戶，肯定會獨占一段時間的產能，其他客戶包括英特爾、賽靈思、輝達、AMD等。
架構
架構是未來CPU除工藝外最重要的方向之一！架構對一個芯片的效能來說也是至關重要的。
相較於X86通用處理器的笨重指令集，DSA（Domain Specific Architecture）是一個非常重要的方向。DSA的優點在於，可以為特定的一類套用或者場景做架構最佳化，從而實作更好的能效比。相對於傳統的通用處理器，DSA需要設計時考慮專用領域的特殊需求，也需要設計者能對該領域有深入的理解。DSA的例子包括為機器學習設計的神經網絡處理器，以及為影像和虛擬現實設計的GPU，DSA設計將會成為處理器架構的新趨勢。
當然，除了指令集外，多執行緒並列和緩存也很重要！ 以AMD的Zen架構舉例，利益相關，所以放一點百度上有的。
Zen架構將以四個核心為一個群組，AMD將其稱為「CPU Complex」(CCX)。
每一個CPU復合體內包含四個Zen CPU核心，但它們是彼此完全獨立的，不像推土機架構那樣，彼此不會共享任何單元。
處理器主要架構改進如下 ：
·SMT多執行緒，每個核心可支持2個執行緒
·8MB L3緩存
·容量更大、更統一的L2緩存
·微操作緩存（Micro-op Cache）
·具備2個AES加密單元
·高能效FinFET工藝
「Zen」核心采用了最新緩存階層，並改進了分支預測和同步多執行緒技術 [4] 。這些先進設計將使「Zen」處理器核心極具彈性，以滿足廣泛的套用需求，其中包括無風扇2合1產品、嵌入式系統、高效能計算和數據中心。
材料
半導體行業經過近六十年的發展，半導體材料經歷了三次明顯的換代和發展。第一代半導體材料主要是指矽、鍺元素等單質半導體材料；第二代半導體材料主要是指化合物半導體材料，如砷化鎵、銻化銦；第三代半導體材料主要分為碳化矽SiC和氮化鎵GaN，相比於第一、二代半導體，其具有更高的禁頻寬度、高擊穿電壓、電導率和熱導率，在高溫、高壓、高功率和高頻領域將替代前兩代半導體材料。 [1]
碳化矽（SiC）相比於矽基，碳化矽擁有更高的禁頻寬度、電導率等優良特性，更適合套用在高功率和高頻高速領域，如新能源汽車和 5G 射頻器件領域。
隨著芯片在不同領域的套用，半導體材料也在隨之發展。但如果扣回本題，新材料在CPU上套用概率很小。
異構整合
廣義而言，就是將兩種不同的芯片，例如記憶體＋邏輯芯片、光電＋電子元件等，透過封裝、3D 堆疊等技術整合在一起。換句話說，將兩種不同制程、不同性質的芯片整合在一起，都可稱為是異構整合。
因為套用市場更加的多元，每項產品的成本、效能和目標族群都不同，因此所需的異構整合技術也不盡相同，市場分眾化趨勢逐漸浮現。為此，IC 代工、制造及半導體器材業者紛紛投入異構整合發展，2.5D、3D 封裝、Chiplets 等現今熱門的封裝技術，便是基於異構整合的想法，如雨後春筍般浮現。
封裝
封裝並不能直接提高芯片的效能，但是先進的3D封裝工藝相較於傳統的2D工藝有很多優勢：
台積電的Wafer-on-Wafer(WoW) 3D芯片封裝工藝，是透過TSV矽穿孔技術實作了真正的3D封裝，和Intel的Foreros 3D封裝類似，能把多個芯片像蓋房子那樣一層層堆疊起來，甚至能把不同工藝、結構和用途的芯片封在一起。
TSV也是非常火的技術，要知道數據的搬運速率對CPU效能的影響是非常大的。
Chiplet
Chiplet技術就像拼圖一樣，把小芯片組成大芯片。
使用Chiplets 有三大好處。因為先進制程成本非常高昂，特別是模擬電路、I/O 等愈來愈難以隨著制程技術縮小，而Chiplets 是將電路分割成獨立的小芯片，並各自強化功能、制程技術及尺寸，最後整合在一起，以克服制程難以微縮的挑戰。
此外，基於Chiplets 還可以使用現有的成熟芯片降低開發和驗證成本。
從上面的分析也可以看出來，異構-chiplet-封裝也是相輔相成，共同發展的。
SoC
SOC（System-On-Chip), 即片上系統。可以簡單的理解為把系統做在一塊芯片上。
一個完整的SoC通常包含以下幾個模組：
中央處理器（CPU）-- SoC的「大腦」。執行Android 或者IOS和大多數應用程式的大部份程式碼。
圖形處理單元（GPU）-- 處理與圖形有關的任務，例如視覺化應用程式的使用者介面和2D、3D遊戲。
影像處理單元（ISP）--將手機網絡攝影機中的數據轉換為影像和影片檔，對影像用AI演算法進行進階處理。
數碼訊號處理器（DSP）-- 處理比CPU更復雜的數學功能。包括解壓縮音樂檔和分析陀螺儀傳感器數據。
基頻處理單元BBU(Building Base band Unite)—用於網絡覆蓋。
記憶體（ROM/RAM）-- 用來儲存程式和各種數據資訊的記憶部件。記憶體可分為主記憶體(簡稱主記憶體或記憶體)和輔助記憶體(簡稱輔存或外存)兩大類。和CPU直接交換資訊的是主記憶體。
神經處理單元（NPU）-- 用於高端智能電話，以加速機器學習（AI）任務。這些包括語音辨識和相機處理。
除了以上幾個主要單元，還有藍芽，5G，WI-FI等模組。
SOC技術可以有效地降低電子資訊系統產品的開發成本，縮短開發周期，提高產品的競爭力，是未來工業界將采用的最主要的產品開發方式。
AI芯片
也就是人工智能芯片，上面再SOC裏已經提到了，NPU用於加速神經網絡的運算，解決傳統芯片在神經網絡運算時效率低下的問題。
除了NPU，還有TPU（Tensor Processing Unit）即張量處理單元。
如圖是一款為機器學習而客製的人工智能處理器。經過了專門深度機器學習方面的訓練，它有更高的計算能力。TPU在經過深度學習方面的訓練，執行每個操作所需的晶體管數量更少，自然效率更高。
從突破性的技術來看，主要有量子芯片和碳基芯片。
相對來說，這兩種技術目前還處在實驗室研發階段，距離商用尚遠，從目前的資訊來看，順利的話，量子芯片要十年甚至更久，碳基芯片也要五年左右。
摩爾定律（我認為叫摩爾規律更恰當）放緩，CPU的效能並不會走到盡頭。人們為了對抗摩爾定律的失效，不斷在研發新技術、新架構、新材料為摩爾定律續命，同時也在不同的方向進行探索，CPU這個跨越世紀的重器，也將在未來十年煥發新春。
參考
- ^https://dy.163.com/article/FSEJSJ2B051481OF.html
